Een nieuw technisch artikel met de titel “Optimizing event-based neural networks on digital neuromorphic architecture: aprehensive design space explorer” werd gepubliceerd door imec, TU Delft en Universiteit Twente.
Abstract
“Neuromorfe processors beloven een lage latentie en energiezuinige verwerking door nieuwe, op het brein geïnspireerde ontwerpmethodologieën toe te passen. Toch hebben de huidige neuromorfe oplossingen nog steeds moeite om de prestaties en gebiedsefficiëntie van conventionele deep learning-versnellers in praktische toepassingen te evenaren. Gebeurtenisgestuurde gegevensstroomverwerking en near/in-memory computing zijn de twee dominante ontwerptrends van neuromorfe processors. Er blijven echter uitdagingen bestaan bij het verminderen van de overhead van gebeurtenisgestuurde verwerking en het verhogen van de mapping-efficiëntie van near/in-memory computing, wat een directe invloed heeft op de prestaties en gebiedsefficiëntie. In dit werk bespreken we deze uitdagingen en presenteren we onze verkenning van het optimaliseren van op gebeurtenissen gebaseerde neurale netwerkinferentie op SENECA, een schaalbare en flexibele neuromorfe architectuur. Om de overhead van gebeurtenisgestuurde verwerking aan te pakken, voeren we een uitgebreide verkenning van de ontwerpruimte uit en stellen we piekgroepering voor om de totale energie en latentie te verminderen. Verder introduceren we de gebeurtenisgestuurde diepte-eerste convolutie om de gebiedsefficiëntie en latentie in convolutionele neurale netwerken (CNN's) op de neuromorfe processor te vergroten. We hebben onze geoptimaliseerde oplossing gebenchmarkt op het gebied van trefwoorddetectie, sensorfusie, cijferherkenning en objectdetectietaken met hoge resolutie. Vergeleken met andere geavanceerde grootschalige neuromorfe processors resulteren onze voorgestelde optimalisaties in een verbetering van 6× tot 300× in de energie-efficiëntie, een verbetering van 3× tot 15× in latentie en een verbetering van 3× tot 100× op gebiedsefficiëntie. Onze optimalisaties voor op gebeurtenissen gebaseerde neurale netwerken kunnen potentieel worden gegeneraliseerd naar een breed scala aan op gebeurtenissen gebaseerde neuromorfe processors.”
Vind de technische papier hier. gepubliceerd maart 2024.
Xu, Yingfu, Gert-Jan van Schaik, Alexandra Dobrita, Roy Meijer, Cina Arjmand, Kanishkan Vadivel, Manolis Sifalakis, Guangzhi Tang en Amirreza Yousefzadeh. "Op gebeurtenissen gebaseerde neurale netwerken optimaliseren op digitale neuromorfe architectuur: een uitgebreide verkenning van de ontwerpruimte." Grenzen in de neurowetenschappen 18: 1335422.
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
- PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
- PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
- Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
- Bron: https://semiengineering.com/optimizing-event-based-neural-network-processing-for-a-neuromorphic-architecture/
